yumoni的小窝

large picture of the cover

黑马点评 day2 : 缓存优化

商铺查询缓存优化

什么是缓存

缓存（Cache）本质上是一个数据交换的缓冲区，是用于临时存储数据的空间。它通常具有比后端数据库高得多的读写性能。

缓存的主要作用：

  • 降低后端负载： 通过缓存命中，减少对数据库的直接访问压力。

  • 提高读写效率： 内存的读写速度远快于磁盘。

  • 降低响应时间： 用户可以更快地获取数据，提升体验。

  • 解决高并发问题： 作为系统高并发访问的第一道防线。

引入缓存的成本：

  • 数据一致性成本： 缓存数据与数据库数据可能存在不一致。

  • 代码维护成本： 需要额外编写缓存的读写和更新逻辑。

  • 运维成本： 增加了一套系统（如Redis）的部署和监控开销。

基础缓存实现 (Cache Aside)

我们首先对商铺查询功能添加基础的Redis缓存，采用 Cache Aside Pattern (旁路缓存模式)。

需求分析与设计

功能流程设计：

  1. 客户端提交商铺ID，请求查询。

  2. 业务层先从Redis查询商铺缓存。

  3. 判断缓存是否命中：

    • 命中： 将JSON反序列化为对象，直接返回。

    • 未命中：

      1. 根据ID查询数据库。

      2. 判断数据库中商铺是否存在：

        • 不存在： 返回404错误。

        • 存在： 将商铺序列化为JSON，写入Redis缓存，然后返回。

代码开发

1. 修改Controller层

文件位置：com.hmdp.controller.ShopController

实现逻辑：将请求转发至Service层处理。

@GetMapping("/{id}")  
public Result queryShopById(@PathVariable("id") Long id) {  
    // 调用Service层的缓存查询方法
    return shopService.queryById(id);  
}

2. 实现Service层缓存逻辑

文件位置：com.hmdp.service.impl.ShopServiceImpl

实现逻辑：在 queryById 方法中实现完整的Cache Aside逻辑。

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    // 定义Redis Key的前缀
    public static final String CACHE_SHOP_KEY = "cache:shop:";

    @Override  
    public Result queryById(Long id) {  
        String key = CACHE_SHOP_KEY + id;
        
        // 1. 从redis查询商铺缓存  
        String shopJson = stringRedisTemplate.opsForValue().get(key);  
        
        // 2. 判断是否存在  
        if (StrUtil.isNotBlank(shopJson)) {  
            // 3. 存在, 反序列化后直接返回  
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);  
            return Result.ok(shop);  
        }
        
        // 4. 不存在, 根据id查询数据库  
        Shop shop = getById(id);  
        
        // 5. 数据库中不存在, 返回错误  
        if (shop == null) {  
            return Result.fail("商铺不存在");  
        }  
        
        // 6. 数据库中存在, 写入redis (序列化)
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop));  
        
        // 7. 返回  
        return Result.ok(shop);  
    }
}

3. (同理)为商铺类型列表添加缓存

文件位置：com.hmdp.service.impl.ShopTypeServiceImpl

实现逻辑：商铺类型变动不频繁，非常适合缓存。逻辑与查询单个商铺类似。

@Override  
public List<ShopType> queryTypeList() {  
    String key = "cache:shopType";
    // 1. 从redis查询缓存    
    String json = stringRedisTemplate.opsForValue().get(key);  
    
    // 2. 命中缓存
    if (StrUtil.isNotBlank(json)) {  
        // 反序列化为List返回
        return JSONUtil.toList(JSONUtil.parseArray(json), ShopType.class);  
    }  
    
    // 3. 缓存未命中, 查询数据库    
    List<ShopType> typeList = query().orderByAsc("sort").list();  
    
    // 4. 写入Redis
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(typeList));  
    
    return typeList;  
}

缓存更新策略与实现

缓存更新策略分析

当数据库中的信息发生变更时，缓存必须同步更新以保证数据一致性。

  • 内存淘汰： 依赖Redis自身的内存淘汰机制（如LRU）。当内存不足时自动淘汰数据。

    • 一致性： 差。

    • 维护成本： 低。

  • 超时剔除： 给缓存数据添加TTL（Time To Live）过期时间。到期后自动删除，下次查询时重建缓存。

    • 一致性： 一般，存在数据不一致的时间窗口。

    • 维护成本： 低。

  • 主动更新： 在修改数据库的同时，编写业务逻辑主动更新（或删除）缓存。

    • 一致性： 好。

    • 维护成本： 高。

策略选择：

对于高频变动且一致性要求高的数据（如商铺信息），采用主动更新为主，辅以超时剔除作为兜底方案。

主动更新的操作选择：

  • 更新数据库时，同步更新缓存？

    • 问题： 可能会写入无效数据（如中间状态），且在高并发下"先更新DB"和"后更新Cache"的顺序无法保证，容易造成数据不一致。

  • 更新数据库时，同步删除缓存？

    • 优势： 操作简单，且保证了下次读取时一定能从数据库加载最新数据。这是 Cache Aside Pattern 的标准实践。

最终方案：

  • 读操作： 遵循基础的Cache Aside逻辑。

  • 写操作： 先更新数据库，再删除缓存。

  • 兜底： 为所有缓存数据设置TTL，防止因删除缓存失败导致数据永远不一致。

代码开发 (超时剔除 + 主动更新)

1. 添加超时剔除 (修改查询)

文件位置：com.hmdp.service.impl.ShopServiceImpl

实现逻辑：在 queryById 方法中，写入Redis时增加TTL（例如30分钟）。

@Override  
public Result queryById(Long id) {  
    // ... (省略查询逻辑) ...
    
    // 5. 数据库中不存在, 返回错误  
    if (shop == null) {  
        return Result.fail("商铺不存在");  
    }  
    
    // 6. 存在, 写入redis, 并设置TTL为30分钟
    stringRedisTemplate.opsForValue().set(
        CACHE_SHOP_KEY + id,
        JSONUtil.toJsonStr(shop),
        30L, 
        TimeUnit.MINUTES);  
    
    // 7. 返回  
    return Result.ok(shop);  
}

2. 添加主动更新 (修改更新)

文件位置：com.hmdp.controller.ShopController

@PutMapping
public Result updateShop(@RequestBody Shop shop) {  
    // 调用Service层实现更新
    return shopService.update(shop);  
}

文件位置：com.hmdp.service.impl.ShopServiceImpl

实现逻辑：新增 update 方法，实现“先更新DB，再删除Cache”。

@Override  
@Transactional // 保证数据库操作的原子性
public Result update(Shop shop) {  
    Long id = shop.getId();  
    if (id == null) {  
        return Result.fail("商铺id不能为空");  
    }  
    
    // 1. 更新数据库   
    updateById(shop);  
    
    // 2. 删除缓存  
    stringRedisTemplate.delete(CACHE_SHOP_KEY + id);  
    
    return Result.ok();  
}

缓存问题与解决方案

在高并发场景下，基础的缓存方案会面临三个经典问题。

缓存穿透及其解决方案

问题分析

缓存穿透（Cache Penetration）：

客户端请求的数据在缓存中和数据库中都不存在。这导致缓存永远不会命中，所有请求都会直接打到数据库，使缓存失去了意义。

解决方案对比

  1. 缓存空对象：

    • 思路： 当数据库查询未命中时，在Redis中缓存一个特殊的空值（如空字符串），并设置一个较短的TTL。

    • 优点： 实现简单，维护方便。

    • 缺点： 消耗额外内存；存在短期的数据不一致（空值缓存期间，数据库插入了新数据）。

  2. 布隆过滤（Bloom Filter）：

    • 思路： 在访问Redis前，使用布隆过滤器判断key是否一定不存在。如果不存在，则直接拒绝请求。

    • 优点： 内存占用极少，效率高。

    • 缺点： 实现复杂；存在误判率（可能将存在的key误判为不存在）；无法删除。

代码开发 (缓存空对象)

文件位置：com.hmdp.service.impl.ShopServiceImpl

实现逻辑：修改 queryById 方法，处理数据库查询为null的情况。

@Override  
public Result queryById(Long id) {  
    String key = CACHE_SHOP_KEY + id;
    // 1. 从redis查询商铺缓存  
    String shopJson = stringRedisTemplate.opsForValue().get(key);  

    // 2. 判断是否命中
    if (StrUtil.isNotBlank(shopJson)) {  
        // 命中, 直接返回  
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);  
        return Result.ok(shop);  
    }  
  
    // 3. 判断命中的是否为空值 (防止穿透)
    if (shopJson != null) { 
        // shopJson是存在的, 只是值是"" (空字符串)
        return Result.fail("商铺不存在");  
    }  
    
    // 4. 未命中, 查询数据库  
    Shop shop = getById(id);  
    
    // 5. 数据库中不存在
    if (shop == null) {  
        // 5.1 将空值写入redis, TTL设置短一些 (例如2分钟)
        stringRedisTemplate.opsForValue().set(key, "", 2L, TimeUnit.MINUTES);  
        // 5.2 返回错误  
        return Result.fail("商铺不存在");  
    }  
    
    // 6. 数据库中存在, 写入redis, 设置TTL
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), 30L, TimeUnit.MINUTES);  
    
    return Result.ok(shop);  
}

缓存雪崩及其解决方案

问题分析

缓存雪崩（Cache Avalanche）：

指同一时间段大量的缓存Key同时失效（例如TTL设置相同），或者Redis服务宕机。这导致所有请求瞬间全部涌向数据库，造成数据库压力剧增甚至崩溃。

解决方案 (理论)

  • TTL添加随机值： 在设置TTL时，附加一个随机时间，避免Key在同一时刻集中失效。

  • Redis集群： 提高Redis服务的可用性，防止单点故障。

  • 降级限流： 在业务层添加降级策略（如返回兜底数据）或限流（如Sentinel），保护数据库。

  • 多级缓存： 使用 Guava Cache 或 Caffeine 作为本地缓存，抵挡部分请求。

缓存击穿及其解决方案

问题分析

缓存击穿（Cache Breakdown），也称热点Key问题：

指某一个被高并发访问的热点Key，在缓存重建业务（查询DB）比较复杂耗时的情况下，突然失效了。这导致无数的并发请求在同一时刻去重建缓存，瞬间给数据库带来巨大冲击。

解决方案一：互斥锁 (Mutex)

  • 思路分析：

    1. 线程A查询缓存，未命中。

    2. 线程A尝试获取该Key的互斥锁（如 lock:shop:id）。

    3. 获取锁成功，线程A去查询数据库、重建缓存、最后释放锁。

    4. 在A获取锁期间，线程B、C也来查询，发现缓存未命中。

    5. 线程B、C尝试获取锁，失败。

    6. 线程B、C进入休眠（sleep），然后重试（递归调用）。

    7. 当A释放锁后，B（或C）获取锁成功，此时B会再次查询缓存（Double Check），发现A已经重建完毕，直接返回，释放锁。

  • 优点： 强一致性，实现简单，没有额外内存消耗。

  • 缺点： 线程需要等待，性能受影响，可能有死锁风险。

代码开发 (互斥锁)

文件位置：com.hmdp.service.impl.ShopServiceImpl

实现逻辑：我们将缓存穿透的逻辑封装到 queryWithPassThrough，然后新建 queryWithMutex 方法来实现互斥锁。

// 锁的前缀
public static final String LOCK_SHOP_KEY = "lock:shop:";

/**
 * 尝试获取锁
 */
private boolean tryLock(String key){  
    Boolean flag = stringRedisTemplate.opsForValue()
        .setIfAbsent(key, "1", 10L, TimeUnit.SECONDS); // 10秒TTL防止死锁
    return Boolean.TRUE.equals(flag);  
}  
  
/**
 * 释放锁
 */
private void unlock(String key){  
    stringRedisTemplate.delete(key);  
}

/**
 * 封装了缓存穿透逻辑的查询
 */
public Shop queryWithPassThrough(Long id){  
    String key = CACHE_SHOP_KEY + id;
    // 1. 从redis查询商铺缓存  
    String shopJson = stringRedisTemplate.opsForValue().get(key);  
    // 2. 命中
    if (StrUtil.isNotBlank(shopJson)) {  
        return JSONUtil.toBean(shopJson, Shop.class);  
    }  
    // 3. 命中空值
    if (shopJson != null) {  
        return null;  
    }  
    // 4. 未命中, 查数据库
    Shop shop = getById(id);  
    if (shop == null) {  
        // 5. 数据库不存在, 缓存空值
        stringRedisTemplate.opsForValue().set(key, "", 2L, TimeUnit.MINUTES);  
        return null;  
    }  
    // 6. 数据库存在, 写入redis
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), 30L, TimeUnit.MINUTES);  
    return shop;  
}

/**
 * 使用互斥锁解决缓存击穿
 */
public Shop queryWithMutex(Long id){  
    String key = CACHE_SHOP_KEY + id;
    // 1. 从redis查询商铺缓存  
    String shopJson = stringRedisTemplate.opsForValue().get(key);  
    // 2. 命中
    if (StrUtil.isNotBlank(shopJson)) {  
        return JSONUtil.toBean(shopJson, Shop.class);    
    }  
    // 3. 命中空值 (防穿透)
    if (shopJson != null) {  
        return null;  
    }  
    
    // 4. 实现缓存重建
    String lockKey = LOCK_SHOP_KEY + id;  
    Shop shop = null;  
    try {  
        // 4.1 获取互斥锁  
        boolean isLock = tryLock(lockKey);  
        
        // 4.2 判断是否获取成功  
        if (!isLock) {
            // 4.3 失败则休眠重试
            Thread.sleep(50);  
            return queryWithMutex(id); // 递归
        }
        
        // 4.4 成功, (Double Check) 再次检查缓存
        // (防止在休眠等待时，其他线程已重建)
        shopJson = stringRedisTemplate.opsForValue().get(key);
        if (StrUtil.isNotBlank(shopJson)) {
            return JSONUtil.toBean(shopJson, Shop.class);
        }

        // 4.5 确认缓存不存在, 查询数据库 (此逻辑已封装)
        // 这里调用 getById 也可以，但调用封装好的方法更规范
        shop = getById(id);
        // 模拟重建缓存的耗时
        Thread.sleep(200); 

        if (shop == null) {  
            // 数据库不存在, 缓存空值
            stringRedisTemplate.opsForValue().set(key, "", 2L, TimeUnit.MINUTES);  
        } else {
            // 数据库存在, 写入redis
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), 30L, TimeUnit.MINUTES);
        }
    } catch (InterruptedException e) {  
        throw new RuntimeException(e);  
    } finally {  
        // 5. 释放锁  
        unlock(lockKey);  
    }  
    
    // 6. 返回
    return shop;  
}

解决方案二：逻辑过期 (Logical Expiration)

  • 思路分析：

    1. 数据写入缓存时，额外封装一个逻辑过期时间（物理TTL设置为永不过期）。

    2. 线程A查询缓存，命中，但发现数据逻辑上已过期。

    3. 线程A尝试获取互斥锁。

    4. 获取锁失败：说明已有线程在重建。线程A直接返回旧数据。

    5. 获取锁成功：线程A开启一个新线程去执行“查询数据库、重建缓存、设置新逻辑时间、释放锁”的操作。

    6. 线程A（主线程）直接返回旧数据。

  • 优点： 线程无需等待，性能极好。

  • 缺点： 牺牲了一定的一致性（会返回旧数据）；有额外内存消耗（封装对象）；实现复杂。

代码开发 (逻辑过期)

1. 定义逻辑过期封装类

文件位置：com.hmdp.utils.RedisData

@Data  
public class RedisData {  
    private LocalDateTime expireTime; // 逻辑过期时间
    private Object data; // 真实数据
}

2. 实现逻辑过期查询

文件位置：com.hmdp.service.impl.ShopServiceImpl

// 缓存重建线程池
private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

/**
 * 用于数据预热：将数据封装逻辑时间后存入Redis
 */
public void saveShop2Redis(Long id, Long expireSeconds) throws InterruptedException {  
    // 1. 查询店铺数据  
    Shop shop = getById(id);
    // 模拟耗时
    Thread.sleep(200);
    
    // 2. 封装逻辑过期时间  
    RedisData redisData = new RedisData();  
    redisData.setData(shop);
    redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));  
  
    // 3. 写入redis (物理上永不过期)
    stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));  
}

/**
 * 使用逻辑过期解决缓存击穿
 */
public Shop queryWithLogicalExpire(Long id) {  
    String key = CACHE_SHOP_KEY + id;
    // 1. 从redis查询商铺缓存  
    String shopJson = stringRedisTemplate.opsForValue().get(key);  
    // 2. 判断是否存在  
    if (StrUtil.isBlank(shopJson)) {  
        // 不存在 (未预热), 直接返回null
        return null;  
    }  
    
    // 3. 命中, 反序列化为对象
    RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);  
    Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);  
    LocalDateTime expireTime = redisData.getExpireTime();  
    
    // 4. 判断是否过期  
    if (expireTime.isAfter(LocalDateTime.now())) {  
        // 4.1 未过期, 直接返回店铺信息  
        return shop;  
    }  
    
    // 5. 已过期, 需要缓存重建
    String lockKey = LOCK_SHOP_KEY + id;  
    
    // 5.1 尝试获取互斥锁  
    boolean isLock = tryLock(lockKey);  
    
    // 5.2 判断是否获取锁成功  
    if (isLock) {
        // 5.3 成功, 开启独立线程, 执行重建
        CACHE_REBUILD_EXECUTOR.submit(() -> {  
            try {  
                // 重建缓存 (使用预热方法)
                this.saveShop2Redis(id, 20L); // 逻辑过期20秒
            } catch (Exception e) {  
                throw new RuntimeException(e);  
            } finally {  
                // 释放锁  
                unlock(lockKey);  
            }  
        });  
    }  
    
    // 5.4 无论是否获取锁, 均返回过期(旧)数据
    return shop;  
}

缓存工具封装

为了提高代码的复用性，我们将上述复杂的缓存处理逻辑封装成一个通用的缓存工具类。

需求分析

  1. 将任意Java对象序列化为JSON，并存储在String类型的Key中，支持设置TTL。

  2. 将任意Java对象序列化为JSON，并存储在String类型的Key中，支持设置逻辑过期时间。

  3. 根据Key查询缓存（泛型），利用缓存空值方式解决缓存穿透问题。

  4. 根据Key查询缓存（泛型），利用逻辑过期方式解决缓存击穿问题。

代码开发 (CacheClient)

文件位置：com.hmdp.utils.CacheClient

实现逻辑：将所有缓存模式（穿透、击穿）的解决方案封装为通用方法。

@Slf4j  
@Component  
public class CacheClient {  
  
    private final StringRedisTemplate stringRedisTemplate;
    
    // 锁前缀
    public static final String LOCK_SHOP_KEY = "lock:shop:";
    // 缓存重建线程池
    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    public CacheClient(StringRedisTemplate stringRedisTemplate) {  
        this.stringRedisTemplate = stringRedisTemplate;  
    }  
  
    /**
     * 1. 基础set, 带TTL
     */
    public void set(String key, Object value, Long time, TimeUnit unit) {  
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);  
    }  
  
    /**
     * 2. 基础set, 带逻辑过期
     */
    public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) {  
        RedisData redisData = new RedisData();  
        redisData.setData(value);  
        // 逻辑过期时间 = 当前时间 + 传入时间
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));  
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));  
    }  
  
    /**
     * 3. 封装：解决缓存穿透
     * @param keyPrefix Key前缀
     * @param id ID
     * @param type 返回值类型
     * @param dbFallback 数据库查询逻辑 (函数式接口)
     * @param time TTL
     * @param unit 时间单位
     */
    public <R, ID> R queryWithPassThrough(
            String keyPrefix, ID id, Class<R> type, 
            Function<ID, R> dbFallback, Long time, TimeUnit unit) {  
        
        String key = keyPrefix + id;  
        // 1. 从redis查询缓存  
        String json = stringRedisTemplate.opsForValue().get(key);  
        // 2. 命中
        if (StrUtil.isNotBlank(json)) {  
            return JSONUtil.toBean(json, type);  
        }  
        // 3. 命中空值
        if (json != null) {  
            return null;  
        }  
        // 4. 未命中, 调用函数式接口查询数据库
        R r = dbFallback.apply(id);  
        // 5. 数据库不存在
        if (r == null) {  
            // 缓存空值
            stringRedisTemplate.opsForValue().set(key, "", 2L, TimeUnit.MINUTES);  
            return null;  
        }
        // 6. 数据库存在, 写入Redis
        this.set(key, r, time, unit);  
        return r;  
    }
    
    /**
     * 4. 封装：解决缓存击穿 (逻辑过期)
     * @param lockPrefix 锁前缀
     * (其他参数同上)
     */
    public <R, ID> R queryWithLogicalExpire(
            String keyPrefix, String lockPrefix, ID id, Class<R> type, 
            Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        
        String key = keyPrefix + id;  
        // 1. 从redis查询缓存  
        String json = stringRedisTemplate.opsForValue().get(key);  
        // 2. 未命中
        if (StrUtil.isBlank(json)) {  
            return null;  
        }  
        // 3. 命中, 反序列化
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);  
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);  
        LocalDateTime expireTime = redisData.getExpireTime();  
        
        // 4. 判断是否过期
        if (expireTime.isAfter(LocalDateTime.now())) {  
            // 4.1 未过期, 直接返回
            return r;  
        }  
        // 5. 已过期, 准备重建
        String lockKey = lockPrefix + id;  
        boolean isLock = tryLock(lockKey);  
        // 6. 获取锁成功
        if (isLock) {  
            // 开启独立线程重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {  
                try {  
                    // 查询数据库
                    R r1 = dbFallback.apply(id);  
                    // 写入redis (设置新逻辑时间)
                    this.setWithLogicalExpire(key, r1, time, unit);  
                } catch (Exception e) {  
                    throw new RuntimeException(e);  
                } finally {  
                    unlock(lockKey);  
                }  
            });  
        }  
        // 7. 返回过期信息
        return r;  
    }
    
    // (私有) 尝试获取锁
    private boolean tryLock(String key){  
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key,"1",10L,TimeUnit.SECONDS);  
        return Boolean.TRUE.equals(flag);  
    }  
    // (私有) 释放锁
    private void unlock(String key){  
        stringRedisTemplate.delete(key);  
    }
}

业务代码重构

文件位置：com.hmdp.service.impl.ShopServiceImpl

实现逻辑：注入 CacheClient，queryById 方法变得极其简洁。

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Autowired
    private CacheClient cacheClient;
    
    // ... (省略其他代码) ...

    @Override  
    public Result queryById(Long id) {  
        // 1. 使用工具类解决缓存穿透
        Shop shop = cacheClient.queryWithPassThrough(
                CACHE_SHOP_KEY, id, Shop.class, 
                this::getById, // 数据库查询逻辑
                30L, TimeUnit.MINUTES);  

        /*
        // 2. (二选一) 使用工具类解决缓存击穿 (逻辑过期)
        Shop shop = cacheClient.queryWithLogicalExpire(
                CACHE_SHOP_KEY, LOCK_SHOP_KEY, id, Shop.class,
                this::getById,
                30L, TimeUnit.MINUTES);
        */
        
        return Result.ok(shop);  
    }
}

总结

认识缓存

  • 什么是缓存

    • 一种具备高效读写能力的数据暂存区域。

  • 作用

    • 降低后端负载。

    • 提高服务器读写响应速度。

  • 成本

    • 开发成本、运维成本、一致性问题。

缓存更新策略

  • 三种策略

    • 内存淘汰：Redis自带机制。

    • 过期淘汰：利用EXPIRE设置TTL。

    • 主动更新：修改数据库时同步操作缓存。

  • 策略选择

    • 低一致性需求：内存淘汰或过期淘汰。

    • 高一致性需求：主动更新为主，过期淘汰兜底。

  • 主动更新的方案

    • Cache Aside（旁路缓存）：

      • 描述： 缓存调用者在更新数据库的同时完成对缓存的更新/删除。

      • 一致性： 良好。

      • 实现难度： 一般。

    • Read/Write Through（读写穿透）：

      • 描述： 缓存与数据库集成为一个服务，服务保证一致性。

      • 一致性： 优秀。

      • 实现难度： 复杂。

    • Write Back（写回）：

      • 描述： CURD都只操作缓存，由独立线程异步将缓存数据写回数据库。

      • 一致性： 差。

      • 性能： 最好。

  • Cache Aside 的模式选择

    • 更新缓存还是删除缓存？

      • 选择： 删除缓存。

      • 原因： 更新缓存会导致无效更新，且线程安全问题更严重。

    • 先操作数据库还是缓存？

      • 选择： 先更新数据库，再删除缓存。

      • 原因： 此方案在满足原子性的情况下，并发安全问题概率较低。

  • 最佳实践

    • 查询数据时：先查缓存，未命中则查数据库，再写入缓存。

    • 修改数据时：先修改数据库，然后删除缓存（确保两者原子性）。

缓存穿透

  • 产生原因

    • 客户端请求的数据在缓存和数据库中都不存在，导致请求全部打到数据库。

  • 解决方案

    • 缓存空对象：

      • 思路： 对不存在的数据在Redis中缓存空值，并设置较短TTL。

      • 优点： 实现简单，维护方便。

      • 缺点： 额外内存消耗，短期数据不一致。

    • 布隆过滤：

      • 思路： 在请求进入Redis前判断Key是否一定不存在。

      • 优点： 内存占用少。

      • 缺点： 实现复杂，存在误判。

缓存雪崩

  • 产生原因

    • 大量缓存Key在同一时间集中失效，或Redis服务宕机。

  • 解决方案

    • 给不同Key的TTL增加随机值。

    • 利用Redis集群提高可用性。

    • 添加降级限流策略。

    • 设置多级缓存（如本地缓存）。

缓存击穿

  • 产生原因

    • 热点Key（高并发访问、重建耗时长）突然过期，大量请求冲击数据库。

  • 解决方案

    • 互斥锁：

      • 思路： 给缓存重建过程加锁，保证只有一个线程执行重建，其他线程等待。

      • 优点： 实现简单，一致性好。

      • 缺点： 等待导致性能下降，有死锁风险。

    • 逻辑过期：

      • 思路： Key永不过期，封装逻辑过期时间。查询时若发现逻辑过期，由一个线程异步重建，其他线程直接返回旧数据。

      • 优点： 线程无需等待，性能好。

      • 缺点： 不保证一致性，实现复杂。

缓存工具封装

  • 使用函数式编程思想（传入Function<ID, R> dbFallback）。

  • 将缓存穿透（queryWithPassThrough）和缓存击穿（queryWithLogicalExpire）的通用逻辑封装到工具类 CacheClient 中，简化业务代码。

想温柔的对待这个世界

site logo

Hi,Friend

© 2025 yumoni的小窝